error_svm=abs(predict0-T_test)./T_test*100;%测试集每个样本的相对误差 plot(error_svm,'r-*') xlabel('样本编号') ylabel('收盘价相对误差/%') if t==0 title('线性核SVM预测的误差') elseif t==1 title('多项式核SVM预测的误差') else title('RBF核SVM预测
Su**℡念 上传3.73 KB 文件格式 m 粒子算法 支持向量机 Matlab 用粒子群算法优化支持向量机的matlab程序,用于对股价、经济的预测作用,优化后预测精确点赞(0) 踩踩(0) 反馈 所需:30 积分 电信网络下载 蓝桥杯单片机15届省赛案例(基于b站up主,Alice-西风的模板) ...
rmse_svm0=sqrt(mse(predict_tr-T_train)) disp('优化后的测试集均方根误差') rmse_svm=sqrt(mse(predict1-T_test)) disp('优化后的均方误差') mse_pso_svm=mse(predict1-T_test) disp('优化后的平均相对误差') mre_pso_svm=sum(abs(predict1-T_test)./T_test)/length(T_test) disp('优化后...